Towards Extracting Collective Economic Narratives from Texts
Die Identifizierung von Narrativen in Texten ist eine anspruchsvolle Aufgabe, da nicht nur narrative Elemente wie Akteure und Ereignisse identifiziert werden müssen, sondern auch ihre semantische Beziehung erklärt werden muss. Trotz dieser Komplexität kann eine effektive Technik zur Extraktion von Erzählungen aus Texten einen großen Einfluss darauf haben, wie wir politische und wirtschaftliche Entwicklungen betrachten. Durch die Analyse von Narrativen kann besser verstanden werden, wie sich solche Narrative in der Medienlandschaft verbreiten und dadurch unsere Weltanschauung verändern. In dieser Analyse wird eine kürzlich vorgeschlagene Definition eines kollektiven Wirtschaftsnarrativs ("Collective economic narrative") näher betrachtet, welche sich dadurch auszeichnet, dass es eine Ursache-Wirkungs-Beziehung enthält, die zur Erklärung einer Ereigniskette für eine bestimmte Weltsicht verwendet wird. Für die Extraktion solcher kollektiver Wirtschaftsnarrative schlagen wir eine neuartige Pipeline vor, die die RELATIO-Methode zur Erkennung von Textaussagen verbessert. Durch das Filtern des Korpus nach kausalen Artikeln und das Verbinden von Aussagen durch die Erkennung von Kausalität zwischen ihnen, erweitert unsere Methode den Umfang der RELATIO-Methode, um komplexere Erzählungen gemäß unserer Definition zu identifizieren. Unser Ansatz verbessert auch die Konsistenz der RELATIO-Methode, indem sie mit zusätzlichen Vor- und Nachverarbeitungsschritten erweitert wird, die die Erkennung von Aussagen durch Auflösen von Referenzstrukturen ("Coreference Resolution") verbessern und unerwünschtes Rauschen in Form von uninterpretierbaren Aussagen automatisch herausfiltern. Wir veranschaulichen die Leistungsfähigkeit dieser neuen Pipeline zur Erkennung kollektiver Wirtschaftsnarrative anhand der Analyse eines Datensatzes der Financial Times, den wir nach wirtschafts- und inflationsbezogenen Begriffen sowie nach kausalen Indikatoren gefiltert haben.